paper-reviewer-pro

name	paper-reviewer-pro
description	高精度论文检索与检阅系统，支持多源检索、智能筛选、结构化摘要、BibTeX 导出、CCF 评级与综合评分
license	MIT
clawhub	{"slug":"paper-reviewer-pro","repo":"yourname/skills","repoPath":"skills/paper-reviewer-pro","ref":"main","version":"main","autoEnable":true}

Paper Review Pro - 论文检阅系统

📖 简介

Paper Review Pro 是一款面向科研工作者的智能论文检索与分析工具。它不仅能从 arXiv 和 Semantic Scholar 多源检索论文，还能自动筛选核心文献、生成结构化摘要、评估论文权威性，并输出完整的研究领域分析报告。

适用场景：

• 🔍 快速了解一个新研究领域的核心文献
• 📚 系统性文献综述（Systematic Literature Review）
• 💡 探索研究方向，发现潜在创新点
• 📊 追踪领域内最新进展（按年份过滤）
• 📑 一键导出 BibTeX，快速导入 Zotero 等文献管理工具

---

✨ 核心优势

特性	说明
多源检索	同时检索 arXiv + Semantic Scholar，覆盖预印本与正式发表
智能筛选	相关度 + 权威度综合评分，自动识别高价值论文
CCF 评级	内置 CCF（中国计算机学会）推荐目录，自动标注 A/B/C 类
结构化摘要	LLM 自动生成：研究问题、方法、结论、创新点
领域扩展	基于 Top-K 论文智能生成扩展检索词，发现相关子领域
一键导出	自动生成 BibTeX 文件，支持 Zotero/Mendeley 导入
完整报告	检索完成后自动生成研究领域分析报告
健壮性	多层错误处理与回退机制，确保稳定运行

---

🚀 快速开始

基本检索

cd ~/.openclaw/workspace/skills/paper-review-pro
python scripts/config.py
python scripts/review.py --query "LLM reasoning" --retrieve_number 20 --keep_topk 5 --year 2024

参数说明

参数	必需	默认值	说明
--query	✅	-	检索关键词
--retrieve_number	❌	10	初始检索数量
--keep_topk	❌	3	保留核心论文数量
--year	❌	2025	截止年份（检索该年及之后）
--expand_query_number	❌	2	每个扩展词保留的论文数量

输出内容

检索完成后，你将获得：

1. Top-K 核心论文列表 - 按综合评分排序，含标题、作者、年份、摘要、链接
2. 扩展检索结果 - 基于扩展词的补充检索结果
3. BibTeX 文件 - 自动生成，位置：~/.openclaw/paper-review-pro/papers/bibtex_{query}_{timestamp}.bib
4. 检索报告 - 完整的研究领域分析，位置：~/.openclaw/paper-review-pro/reports/

---

📦 功能详解

1. 多源检索与去重

检索源：

• arXiv - 预印本为主，覆盖最新研究
• Semantic Scholar - 正式发表为主，含引用信息

去重机制：基于论文标题和 DOI 进行本地去重，避免重复结果。

2. 综合评分系统

评分公式：

综合分数 = 相关度 × (1 - weight) + 权威度 × weight

参数	说明	默认值
相关度	查询关键词与标题/摘要的匹配度	-
权威度	基于发表状态和 CCF 评级	-
weight	权威度权重	0.3

权威度评分标准：

等级	说明	分数
CCF-A	顶级会议/期刊（NeurIPS, ICML, CVPR, ACL 等）	1.0
CCF-B	优秀会议/期刊	0.8
CCF-C	良好会议/期刊	0.6
已发表未评级	有 venue 但未匹配 CCF	0.5
preprint	预印本（arXiv 等）	0.3

3. CCF 评级查询

数据库规模：422 个 venue（会议 275 个，期刊 147 个）

代表性收录：

• A 类会议：NeurIPS, ICML, ICLR, CVPR, ICCV, ECCV, ACL, EMNLP, CCS, S&P, SIGMOD, VLDB, KDD 等
• A 类期刊：IEEE TPAMI, IJCV, JMLR, IEEE TIFS, TSE, TODS, TKDE 等

4. 结构化摘要生成

使用 LLM 自动生成四要素摘要：

要素	说明
研究问题	论文要解决的核心问题
方法	采用的技术路线/算法
结论	主要发现/实验结果
创新点	与已有工作的区别

5. 领域扩展检索

基于 Top-K 核心论文的内容分析，生成语义相关的扩展检索词，帮助发现：

• 相关子领域
• 替代技术方案
• 跨领域应用

6. BibTeX 导出

自动生成，支持一键导入 Zotero/Mendeley。

导入 Zotero：

1. 打开 Zotero
2. 文件 → 导入 → 从文件导入
3. 选择生成的 .bib 文件

---

⚙️ 配置与参数

配置文件

位置：~/.openclaw/paper-review-pro/config.json

{
  "default_n": 10,
  "default_k": 2,
  "min_year": 2025,
  "default_p": 2,
  "authority_weight": 0.3,
  "llm": {
    "enabled": true,
    "provider": "gateway",
    "gateway_url": "http://localhost:14940",
    "gateway_model": "dashscope/qwen3.5-plus"
  }
}

快速配置命令

python scripts/config.py --default_n 20 --default_k 3 --min_year 2024 --authority-weight 0.3

命令行参数

基本参数

参数	说明
--query	检索关键词（必需）
--retrieve_number	初始检索数量
--keep_topk	保留核心论文数量
--year	截止年份
--expand_query_number	每个扩展词保留数量

高级参数

参数	说明	默认
--no-bibtex	禁用 BibTeX 导出	启用
--no-authority	禁用权威度评分	启用
--authority-weight	权威度权重 (0.0-1.0)	0.3
--use-api	使用在线 API 查询发表状态	禁用
--no-llm	禁用 LLM 功能	启用

---

🛡️ 错误处理与回退机制

本系统设计有多层错误处理机制，确保在各种异常情况下仍能稳定运行。

1. arXiv 检索回退

arXiv API (首选)
    ↓ [失败]
arXiv 网页爬取 (回退)
    ↓ [失败]
跳过 arXiv，仅使用 Semantic Scholar

网页爬取保护：

• 超时保护：60 秒
• 条目长度限制：50KB/条
• 进度输出：实时显示处理状态

2. LLM 功能回退

OpenClaw Gateway API (首选)
    ↓ [401/网络错误]
Dashscope API (备用)
    ↓ [失败]
规则提取 Fallback

Fallback 行为：

• 摘要生成：从原文提取首尾句作为研究问题/结论，方法/创新点使用模板
• 扩展词生成：从标题提取名词短语，基于常见学术模式生成

保证：即使 LLM 完全不可用，系统也能正常运行，不会中断。

3. 发表状态查询回退

在线 API 查询 (--use-api)
    ↓ [失败/未启用]
本地数据库匹配
    ↓ [未匹配]
标记为"未评级"

4. 卡死检测保护

TimeoutMonitor 监控所有关键步骤：

• 超时阈值：1200 秒（20 分钟）
• 监控点：检索、过滤、评分、扩展、导出、报告生成
• 超时行为：自动终止程序并输出错误信息

5. 网络请求重试

所有外部 API 请求均支持自动重试：

• 重试次数：3 次
• 重试间隔：指数退避（1s, 2s, 4s）

---

📋 使用示例

示例 1：标准检索

python scripts/review.py --query "transformer attention" --retrieve_number 20 --keep_topk 5 --year 2020

示例 2：仅关注内容相关性（忽略权威度）

python scripts/review.py --query "novel architecture" --keep_topk 5 --no-authority

示例 3：高权威度优先（系统性综述）

python scripts/review.py --query "deep learning survey" --keep_topk 10 --authority-weight 0.5

示例 4：快速检索（禁用 LLM）

python scripts/review.py --query "quick test" --retrieve_number 5 --no-llm

示例 5：使用在线 API 获取更准确的发表信息

python scripts/review.py --query "recent paper" --keep_topk 5 --use-api

---

🧪 测试与验证

测试 CCF 评级模块

# 运行完整测试套件
python scripts/test_publication_status.py

# 测试特定 venue
python scripts/test_publication_status.py --title "论文标题" --venue "IEEE Transactions on Multimedia"

# 显示数据库统计
python scripts/test_publication_status.py --show-db

测试 BibTeX 导出

python scripts/core/bibtex.py --title "Test Paper" --authors "John Doe" --year 2025 --publication "CVPR" --ccf-rank A

---

📚 参考文档

详细模块说明请参考 reference/ 目录：

文档	内容
reference/LLM_INTEGRATION.md	LLM 功能集成（摘要生成、查询扩展）
reference/BIBTEX_EXPORT.md	BibTeX 导出模块说明
reference/PUBLICATION_STATUS.md	发表状态与 CCF 评级模块
reference/SCORING_SYSTEM.md	综合评分系统说明
reference/BUGFIXES.md	重要修复说明

---

⚠️ 注意事项

1. CCF 评级数据库：当前使用本地数据库，覆盖常见计算机领域会议/期刊。如需扩展，请编辑 scripts/core/publication_status.py 中的评级字典。

2. BibTeX 文件位置：生成的 .bib 文件保存在 ~/.openclaw/paper-review-pro/papers/ 目录，文件名格式：bibtex_{查询关键词}_{时间戳}.bib。

3. 权威度权重建议：

   • 探索性研究：0.2-0.3（相关度优先）
   • 系统性综述：0.4-0.5（权威度优先）
   • 纯内容分析：使用 --no-authority 禁用

4. 在线 API 查询：--use-api 参数通过 Semantic Scholar API 查询发表信息，更准确但会增加检索时间（约 2-5 秒/篇）。

5. arXiv 速率限制：arXiv API 有速率限制，建议检索间隔 ≥3 秒。网页爬取作为回退方案，超时保护 60 秒。

6. LLM 配置：首次使用前请确保 OpenClaw Gateway 或 Dashscope API 已正确配置。如未配置，系统自动降级到规则 Fallback。

---

📝 更新日志

详见 CHANGELOG.md（如有）或项目发布说明。

---

版本: 2026-03-29
许可: MIT
维护: OpenClaw Community